探索宗教疗法的积极作用 以自闭症救治为例北大核心CSSCISSCI

美国自闭症与发展性障碍监控（ADDM）网络的最新数据显示,每110名儿童中大约就有1名患有自闭症谱系障碍（ASD）,我国近期相关调查也显示,自闭症儿童的数量在我国呈现不断增长趋势。自闭症是由器质性病变引发的一种终身精神疾病,其典型症状为认知、语言和社会交往障碍及刻板性行为问题。目前,由于医学上对此疾病暂无有效的治疗方法,因此心理治疗就成为自闭症应对的重要手段。心理学领域利用一切心理资源来探寻应对自闭症的干预方法时,宗教因素受到研究者们极大的关注,主要聚焦于自闭症患者的宗教信仰、宗教在自闭症治疗及其家庭中的作用等方面。     

网民对“人祸”事件的道德情绪特点——基于微博大数据研究

本研究采用大数据研究方法,对爬取的"动车事故"发生后40天内的94,562条相关微博进行情感分析,以探讨网民对"人祸"的道德情绪特点,同时对不同群体情绪表达差异进行探讨。结果发现:(1)网民对于动车事故主要表达的道德情绪有:愤怒、鄙视、厌恶、同情和爱。(2)包含不同道德基础的事件与不同的道德情绪相关联;(3)对于愤怒、厌恶和鄙视,男性普遍有更高的表达倾向和表达强度,而女性更倾向于表达爱和同情且强度更高;(4)对于爱和同情,团体VIP用户组表达的可能性和强度都高于其他用户;个体VIP用户比非VIP用户更可能表达愤怒、鄙视和厌恶,而团体VIP用户表达这类情绪的强度最小。研究表明,虚拟网络中人们道德情绪特点依然符合道德基础理论;不同群体在表达道德情绪时的差异性是对道德基础理论相关研究的补充。总言之,数据挖掘技术和情感分析方法是进行情绪研究的有效手段。     

考生作答数据反馈对Angoff标准设定结果的影响

以大规模学业成就水平测验为背景,采用组间设计,按类别将专家分为五组,在反馈数据环节随机给予每个专家组未调整的考生真实作答数据和经过上调、下调0.5或1个标准差的调整数据后,采用单因素方差分析与项目反应理论两参数模型考查专家组在标准设定Angoff方法中如何参考使用题目作答数据。结果表明,反馈考生题目作答数据对Angoff标准划定结果有明显影响:反馈未经调整的真实考生题目作答数据影响较大;反馈调整后的高于真实考生题目作答数据影响相对较小,反馈低于真实考生题目作答数据影响相对较大。     

自陈量表式测验应用IRT的可行性

对采用5级评分Likert式测题的情感能力量表的分析表明,各分量表项目都有较好的模型-数据拟合性,而且显示了参数估计的不变性,及与CTT参数的关联性。这些都表明Likert量表应用IRT模型的假设条件得到了满足,即IRT应用是可行的。研究还表明IRT能对测量精度进行更精确的估计。     

人类遗传数据国际宣言纲要(修正稿)

人类遗传数据国际宣言纲要(修正稿)是国际生命伦理学委员会(IBC)在第九次会议(2002年11月26-28日,加拿大蒙特利尔)初步审议后提出,并在国际生命伦理学委员会起草小组第四次会议(2002年11月29日,加拿大蒙特利尔)缜密考虑基础上产生的。     

多维测验项目参数的估计：基于SEM与MIRT方法的比较

作者简要回顾了SEM框架下分类数据因素分析(CCFA)模型和MIRT框架下测验题目和潜在能力的关系模型, 对两种框架下的主要参数估计方法进行了总结。通过模拟研究, 比较了SEM框架下WLSc和WLSMV估计方法与MIRT框架下MLR和MCMC估计方法的差异。研究结果表明：(1) WLSc得到参数估计的偏差最大, 且存在参数收敛的问题; (2)随着样本量增大, 各种项目参数估计的精度均提高, WLSMV方法与MLR方法得到的参数估计精度差异很小, 大多数情况下不比MCMC方法差; (3)除WLSc方法外, 随着每个维度测验题目的增多参数估计的精度逐渐增高; (4)测验维度对区分度参数和难度参数的影响较大, 而测验维度对项目因素载荷和阈值的影响相对较小; (5)项目参数的估计精度受项目测量维度数的影响, 只测量一个维度的项目参数估计精度较高。另外文章还对两种方法在实际应用中应该注意的问题提供了一些建议。     

建构网络心理健康的教育体系

网络新媒体和大数据时代,中国高等教育在思政教育、课程设置、人才培养、招生宣传、心理健康方面,都遇到新的挑战。本组笔谈聚焦新媒体、大数据对当代中国高校的影响。史国君用调查数据表明,当前青年大学生政治认知总体正确、政治认同度较高、政治实践参与较积极,但政治信仰教育、网络政治信仰教育方式等方面还亟待创新,建议充分应用新媒体技术,多方位培育当代大学生的政治信仰;赵亮等分析了高校创新创业教育与思想政治教育融合的动因和依据,尝试在课程体系方面促成二者的融合;石沁禾认为在大数据与人工智能等高科技飞速发展的趋势下,要提升企业的全球竞争力,高等教育亟须探求"商能并重"的高素质人才培养路径;唐玉生认为大数据技术的运用可以克服传统粗放型招生宣传模式的不足,而基于历史数据及动态数据分析的招生宣传模式,为精准化招生提供了可能性,为高校高质量招生宣传提供新的方法和途径;季海菊关注大数据时代高校学生网络心理健康教育问题,认为教育理念的落伍、数据素养的欠缺以及大数据平台建设的不足,都弱化了网络心理健康教育的引导力、感召力和控制力,构建与大数据时代相适应的高校网络心理健康教育体系,需要确立大数据理念,整合教育团队,开发数据平台,加强子体系建设,将大数据技术有效地运用于网络心理健康教育中,从而提升高校网络心理健康教育的针对性和实效性。     

价值敏感设计与大数据伦理

当前的应用伦理学正在从理论走向实践,信息技术、医学伦理和计算伦理的兴起和发展,使得应用伦理学尤其是信息伦理学正逐渐发生设计转向。这种转向的主要体现就是价值敏感设计理论的兴起,这种观点主要来自伦理学层面的"理论-应用-设计"和信息技术层面的"技术-社会心理背景-道德价值"的理论变化。价值敏感设计建立在概念、经验和技术三个层面相结合的集成方法基础上,同样的分析在大数据领域内同样具有可行性。大数据技术也可以从这三个层面来分析:概念分析层面的数据伦理概念分析、技术分析层面的算法伦理分析,以及经验分析层面的实践分析。价值敏感设计理论的发展能够推动大数据伦理的进步,并且能够为大数据技术提供一定的伦理基础。     

多阶段混合增长模型的方法及研究现状

多阶段混合增长模型(PGMM)可对发展过程中的阶段性及群体异质性特征进行分析,在能力发展、行为发展及干预、临床心理等研究领域应用广泛。PGMM可在结构方程模型和随机系数模型框架下定义,通常使用基于EM算法的极大似然估计和基于马尔科夫链蒙特卡洛模拟的贝叶斯推断两种方法进行参数估计。样本量、测量时间点数、潜在类别距离等因素对模型及参数估计有显著影响。未来应加强PGMM与其它增长模型的比较研究;在相同或不同的模型框架下研究数据特征、类别属性等对参数估计方法的影响。     

大数据时代信息价值开发的伦理问题

大数据已成为21世纪的新石油,各国政府相继提出发展大数据战略。借助大数据收集、存储和挖掘等技术,大数据信息所蕴含的潜在价值不断得到开发,推动经济社会的发展。然而,在大数据信息价值开发的同时,也引发了一些迫切需要关注和解决的伦理问题,如隐私权问题、知识产权问题和信息安全问题。